如何将UTF-8编码的主题标签与嵌入的标点字符匹配？

Question

我想从字符串中提取#hashtags，也包含具有#1+1等特殊字符的字符串。

目前我正在使用：

@hashtags ||= string.scan(/#\w+/)

但它不能与那些特殊字符一起使用。另外，我希望它与UTF-8兼容。

我该怎么做？

编辑：
如果最后一个字符是特殊字符，则应将其删除，例如#hashtag, #hashtag. #hashtag! #hashtag?等...

此外，应删除开头的哈希符号。

Answer 1

解决方案

您可能需要以下内容：

'#hash+tag'.encode('UTF-8').scan /\b(?<=#)[^#[:punct:]]+\b/
=> ["hash+tag"]

请注意，开始时需要零宽度断言，以避免在匹配过程中捕获井号。

参考

• String#encode
• Ruby's POSIX Character Classes

Answer 2

这个怎么样：

@hashtags ||=string.match(/(#[[:alpha:]]+)|#[\d\+-]+\d+/).to_s[1..-1]

照顾#alphabets或＃2323 + 2323＃2323-2323＃2323 + 65656-67676

同时删除＃开头的

或者如果你想要它的数组形式：

 @hashtags ||=string.scan(/#[[:alpha:]]+|#[\d\+-]+\d+/).collect{|x| x[1..-1]}

哇，这花了这么长时间，但我仍然不明白为什么scan(/#[[:alpha:]]+|#[\d\+-]+\d+/)在我的电脑中工作但不在scan(/(#[[:alpha:]]+)|#[\d\+-]+\d+/)。区别在于第二个扫描语句中的()。当我使用match方法时，这没有任何效果。

Answer 3

这应该有效：

@hashtags = str.scan(/#([[:graph:]]*[[:alnum:]])/).flatten

或者，如果您不希望您的主题标签以特殊字符开头：

@hashtags = str.scan(/#((?:[[:alnum:]][[:graph:]]*)?[[:alnum:]])/).flatten